下面是我采用的程序，可以运行，就是识别率不高，求高手指点一下！
function [d]=main(jpg)
I=imread('car.jpg');
figure(1),imshow(I);title('原图');
I1=rgb2gray(I);
figure(2),subplot(1,2,1),imshow(I1);title('灰度图');
%figure(2),subplot(1,2,2),imhist(I1);title('灰度图直方图');
I2=edge(I1,'robert',0.08,'both');
figure(3),imshow(I2);title('robert算子边缘检测')
se=[1;1;1];
I3=imerode(I2,se);
figure(4),imshow(I3);title('腐蚀后图像');
se=strel('rectangle',[40,40]);%生成一个矩阵
I4=imclose(I3,se); %闭运算
figure(5),imshow(I4);title('平滑图像的轮廓');
I5=bwareaopen(I4,2000);
figure(6),imshow(I5);title('从对象中移除小对象');
[y,x,z]=size(I5);
myI=double(I5);
%begin横向扫描
tic
white_y=zeros(y,1);
for i=1:y
for j=1:x
if(myI(i,j,1)==1)
%如果myI(i,j,1)即myI图像中坐标为(i,j)的点为白色
%则Blue_y的相应行的元素white_y(i,1)值加1
white_y(i,1)=white_y(i,1)+1;%蓝色像素点统计
end
end
end
[temp MaxY]=max(white_y);%temp为向量white_y的元素中的最大值，MaxY为该值的索引（ 在向量中的位置）
PY1=MaxY;
while ((white_y(PY1,1)>=120)&&(PY1>1))
PY1=PY1-1;
end
PY2=MaxY;
while ((white_y(PY2,1)>=40)&&(PY2<y))
PY2=PY2+1;
end
IY=I(PY1:PY2,:,:);
%IY为原始图像I中截取的纵坐标在PY1：PY2之间的部分
%end横向扫描
%begin纵向扫描
white_x=zeros(1,x);%进一步确定x方向的车牌区域
for j=1:x
for i=PY1:PY2
if(myI(i,j,1)==1)
white_x(1,j)= white_x(1,j)+1;
end
end
end
PX1=1;
while ((white_x(1,PX1)<3)&&(PX1<x))
PX1=PX1+1;
end
PX2=x;
while ((white_x(1,PX2)<3)&&(PX2>PX1))
PX2=PX2-1;
end
%end纵向扫描
PX1=PX1-2;%对车牌区域的校正
PX2=PX2+2;
dw=I(PY1:PY2,:,:);
t=toc;
%figure(7),subplot(1,2,1),imshow(IY),title('行方向合理区域');
figure(7),subplot(1,2,2),imshow(dw),title('定位剪切后的彩色车牌图像')
imwrite(dw,'dw.jpg');
[filename,filepath]=uigetfile('dw.jpg','输入一个定位裁剪后的车牌图像');
jpg=strcat(filepath,filename);
a=imread('dw.jpg');
b=rgb2gray(a);
imwrite(b,'1.车牌灰度图像.jpg');
figure(8);subplot(3,2,1),imshow(b),title('1.车牌灰度图像')
g_max=double(max(max(b)));
g_min=double(min(min(b)));
T=round(g_max-(g_max-g_min)/3); % T 为二值化的阈值
[m,n]=size(b);
d=(double(b)>=T); % d:二值图像
imwrite(d,'2.车牌二值图像.jpg');
figure(8);subplot(3,2,2),imshow(d),title('2.车牌二值图像')
figure(8),subplot(3,2,3),imshow(d),title('3.均值滤波前')
% 滤波
h=fspecial('average',3); %均值绿波器
d=im2bw(round(filter2(h,d))); %BW = im2bw(I, level) 将灰度图像 I 转换为二进制图像。输出图像 %BW 将输入图像中亮度值大于 level 的像素替换为值1 (白色)，其他替换为值0(黑色
imwrite(d,'4.均值滤波后.jpg'); %matlab里函数bwarea 计算目标物的面积
figure(8),subplot(3,2,4),imshow(d),title('4.均值滤波后')
% 某些图像进行操作
% 膨胀或腐蚀
% se=strel('square',3); % 使用一个3X3的正方形结果元素对象对创建的图像膨胀
% 'line'/'diamond'/'ball'...
se=eye(2); % eye(n) returns the n-by-n identity matrix 单位矩阵
[m,n]=size(d);
if bwarea(d)/m/n>=0.365 %计算面积
d=imerode(d,se); %imerode 实现图像腐蚀 d为待处理图像，se是结构元素对象
elseif bwarea(d)/m/n<=0.235
d=imdilate(d,se); %imdilate 图像膨胀
end
imwrite(d,'5.膨胀或腐蚀处理后.jpg');
figure(8),subplot(3,2,5),imshow(d),title('5.膨胀或腐蚀处理后')
% 寻找连续有文字的块，若长度大于某阈值，则认为该块有两个字符组成，需要分割
d=qiege(d);
%figure(100),subplot(3,2,4),imshow(d),title('qiege')
[m,n]=size(d);
%figure(9),subplot(2,1,1),imshow(d),title('n')
k1=1;k2=1;s=sum(d);j=1;
while j~=n
while s(j)==0
j=j+1;
end
k1=j;
while s(j)~=0 && j<=n-1
j=j+1;
end
k2=j-1;
if k2-k1>=round(n/6.5)
[val,num]=min(sum(d(:,[k1+5:k2-5])));
d(:,k1+num+5)=0; % 分割
end
end
%figure(10),subplot(2,1,1),imshow(d),title('n1');
% 再切割
d=qiege(d);
% 切割出 7 个字符
y1=10;y2=0.25;flag=0;word1=[];
while flag==0
[m,n]=size(d);
left=1;wide=0;
while sum(d(:,wide+1))~=0
wide=wide+1;
end
if wide<y1 % 认为是左侧干扰
d(:,[1:wide])=0;
d=qiege(d);
else
temp=qiege(imcrop(d,[1 1 wide m]));
[m,n]=size(temp);
all=sum(sum(temp));
two_thirds=sum(sum(temp([round(m/3):2*round(m/3)],:)));
if two_thirds/all>y2
flag=1;word1=temp; % WORD 1
end
d(:,[1:wide])=0;d=qiege(d);
end
end
% 分割出第二个字符
[word2,d]=getword(d);
% 分割出第三个字符
[word3,d]=getword(d);
% 分割出第四个字符
[word4,d]=getword(d);
% 分割出第五个字符
[word5,d]=getword(d);
% 分割出第六个字符
[word6,d]=getword(d);
% 分割出第七个字符
[word7,d]=getword(d);
figure(9),imshow(word1),title('1');
figure(10),imshow(word2),title('2');
figure(11),imshow(word3),title('3');
figure(12),imshow(word4),title('4');
figure(13),imshow(word5),title('5');
figure(14),imshow(word6),title('6');
figure(15),imshow(word7),title('7');
[m,n]=size(word1);
% 商用系统程序中归一化大小为 40*20,此处演示
word1=imresize(word1,[40 20]);
word2=imresize(word2,[40 20]);
word3=imresize(word3,[40 20]);
word4=imresize(word4,[40 20]);
word5=imresize(word5,[40 20]);
word6=imresize(word6,[40 20]);
word7=imresize(word7,[40 20]);
figure(16),
subplot(3,7,8),imshow(word1),title('1');
subplot(3,7,9),imshow(word2),title('2');
subplot(3,7,10),imshow(word3),title('3');
subplot(3,7,11),imshow(word4),title('4');
subplot(3,7,12),imshow(word5),title('5');
subplot(3,7,13),imshow(word6),title('6');
subplot(3,7,14),imshow(word7),title('7');
imwrite(word1,'1.jpg');
imwrite(word2,'2.jpg');
imwrite(word3,'3.jpg');
imwrite(word4,'4.jpg');
imwrite(word5,'5.jpg');
imwrite(word6,'6.jpg');
imwrite(word7,'7.jpg');
liccode=char(['0':'9' 'A':'Z' '苏豫陕鲁']); %建立自动识别字符代码表
SubBw2=zeros(40,20);
l=1;
for I=1:7
ii=int2str(I); %将整数转换为字符串
t=imread([ii,'.jpg']);
SegBw2=imresize(t,[40 20],'nearest'); %实用最近邻插值法放大图像
if l==1 %第一位汉字识别
kmin=37;
kmax=40;
elseif l==2 %第二位 A~Z 字母识别
kmin=11;
kmax=36;
else l>=3 %第三位以后是字母或数字识别
kmin=1;
kmax=36;
end
for k2=kmin:kmax
fname=strcat('C:\Documents and Settings\Administrator\桌面\程序\ms\卡片\卡片\',liccode(k2),'.jpg');
SamBw2 = imread(fname);
for i=1:40
for j=1:20
SubBw2(i,j)=SegBw2(i,j)-SamBw2(i,j);
end
end
% 以上相当于两幅图相减得到第三幅图
Dmax=0;
for k1=1:40
for l1=1:20
if ( SubBw2(k1,l1) > 0 | SubBw2(k1,l1) <0 )
Dmax=Dmax+1;
end
end
end
Error(k2)=Dmax;
end
Error1=Error(kmin:kmax);
MinError=min(Error1);
findc=find(Error1==MinError);
l=l+1;
end
figure(17),subplot(3,1,2),imshow(dw),title (findc);
%子程序：（getword子程序）
function [word,result]=getword(d)
word=[];flag=0;y1=8;y2=0.5;
while flag==0
[m,n]=size(d);
wide=0;
while sum(d(:,wide+1))~=0 && wide<=n-2 %有白色加1知道没有白色，也就%是找出一个白色区域
wide=wide+1;
end
temp=qiege(imcrop(d,[1 1 wide m]));
[m1,n1]=size(temp);
if wide<y1 && n1/m1>y2
d(:,[1:wide])=0;
if sum(sum(d))~=0
d=qiege(d); % 切割出最小范围
else word=[];flag=1;
end
else
word=qiege(imcrop(d,[1 1 wide m]));
d(:,[1:wide])=0;
if sum(sum(d))~=0;
d=qiege(d);flag=1;
else d=[];
end
end
end
result=d;
function e=qiege(d)
[m,n]=size(d);
top=1;bottom=m;left=1;right=n; % init
while sum(d(top,:))==0 && top<=m %切割出白色区域（横切）
top=top+1;
end
while sum(d(bottom,:))==0 && bottom>1 %同上
bottom=bottom-1;
end
while sum(d(:,left))==0 && left<n %切割出白区域（纵切）
left=left+1;
end
while sum(d(:,right))==0 && right>=1
right=right-1;
end
dd=right-left;
hh=bottom-top;
e=imcrop(d,[left top dd hh]); %在一个数字窗口显示图像d
……………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………首先
1、定位部分 [temp MaxY]=max(white_y); %temp为向量white_y的元素中的最大值，MaxY为该值的索引（在向量中的位置），也就是说temp为车牌矩阵每一列求和的最大值，即车牌x方向最多像素的地方，（姑且叫他像素中线）那么
while ((Blue_y(PY1,1)>=5)&&(PY1>1)) PY1=PY1-1; 就可以确实车牌上边缘，同理
while ((Blue_y(PY2,1)>=5)&&(PY2<y)) PY2=PY2+1;确定下边缘 。为什么是大于5呢，刚才已经知道是车牌x方向所有列的和，也就是宽，车牌单个字符，那么范围为0-128px，如果值越大，则上下边缘就像素中线就近了，那么车牌车牌横向就短了嘛
，同理。while ((Blue_y(1,PX1)<3)&&(PX1<x)) PX1=PX1+1;
为什么是3呢。，车牌单个字符的，值确定，那么车牌车牌纵向区域就窄了
解释：由于定位是采用“像素中线”的方法，所以确定上下边缘的时候，采用的阈值不确定行，比如宽度的尺寸大概可以理解成0-128px，高度尺寸大概可以理解成0-255px，所以建议改成重庆大学田建国的投影（车牌采集的时候2.5米采集，定位率应该有50%）。投影定位地址： 投影定位：
http://www.ilovematlab.cn/forum.php?mod=viewthread&tid=251212、分割：
首先对车牌图像自左向右逐列扫描，寻找连续有文字的区间块，将该区间块的有效宽度与某一固定阈值(本文设定的阈值为10，可更改)进行比较，若小于该设定阈值，则认为是左侧干扰，裁剪干扰区域；反之，分割出该模糊
字符块。
3）判断该字符区域是否为有效区域。首先建立矩阵，依据车牌先验知识，分析该字符区域的有效宽度及宽高比(1:2)，即可判断是否为干扰区域，若为字符区域，进一步去除伪字符区域，则分割出第一个字符；反之，认为是左侧干扰区域进行裁剪。 解释：本程序对于定位部分比较理想的情况下 分割率为50%+，但对川字车牌没有鲁棒性，由于川字未连通，所以会被当作背景而切除，其他省份，暂时没有遇到过。当然如果定位后的车牌倾角大于20度这样，那么必须校正，否则会出错 3、分割：这部分就悲剧了，采用的是单纯的模板相减，并且程序没有标准模板标准模板：http://www.ilovematlab.cn/forum.php?mod=viewthread&tid=123590建议计算相关系数，用距离变换进行匹配把
